深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 198 篇文献，本页显示第 161 - 180 篇。
| 序号 | 推送日期 | 文章 | 类型 | 简述 | 创新点 | 不足 | 研究目的 | 研究对象 | 领域 | 病种 | 技术 | 模型 | 数据类型 | 样本量 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 161 | 2024-08-30 |
Risk estimation for idiopathic normal-pressure hydrocephalus: development and validation of a brain morphometry-based nomogram
2023-Sep, European radiology
IF:4.7Q1
DOI:10.1007/s00330-023-09612-1
PMID:37059905
|
研究论文 | 开发并验证了一种基于脑部形态测量的诺模图，用于预测特发性正常压力脑积水 | 利用深度学习技术进行脑部分割和三维体积测量，开发了一种结合高凸紧密度、胼胝体角度小于90°和标准化侧脑室体积的诺模图 | NA | 开发和验证一种基于MRI特征的诺模图，用于预测特发性正常压力脑积水 | 60岁及以上被临床诊断为特发性正常压力脑积水、帕金森病、阿尔茨海默病或健康对照的患者 | NA | 特发性正常压力脑积水 | MRI | 深度学习 | 图像 | 452名患者（平均年龄±标准差，73.2±6.5岁；200名男性） | NA | NA | NA | NA |
| 162 | 2024-08-30 |
Deep learning-based diagnosis of osteoblastic bone metastases and bone islands in computed tomograph images: a multicenter diagnostic study
2023-Sep, European radiology
IF:4.7Q1
DOI:10.1007/s00330-023-09573-5
PMID:37060446
|
研究论文 | 本研究开发并验证了一种基于CT图像的深度学习（DL）模型，用于区分骨岛和成骨性骨转移瘤 | 采用三切片CT图像输入的2.5D深度学习模型在分类硬化性骨病变方面优于2D模型 | NA | 开发和验证一种深度学习模型，用于区分骨岛和成骨性骨转移瘤 | 硬化性骨病变（SBLs）患者 | 计算机视觉 | 骨转移瘤 | 深度学习 | 2D和2.5D深度学习模型 | CT图像 | 共使用了1918个SBLs样本，涉及728名患者（站点1），122个SBLs样本，涉及71名患者（站点2），71个SBLs样本，涉及47名患者（站点3） | NA | NA | NA | NA |
| 163 | 2024-08-30 |
Fully automated segmentation and radiomics feature extraction of hypopharyngeal cancer on MRI using deep learning
2023-Sep, European radiology
IF:4.7Q1
DOI:10.1007/s00330-023-09827-2
PMID:37338554
|
研究论文 | 本文使用卷积神经网络实现喉下癌（HPC）在MRI上的全自动分割和放射组学特征提取 | DeepLab V3+模型在自动分割和放射组学特征提取方面优于U-Net模型，特别是在小肿瘤体积的分割上表现更佳 | NA | 研究目的是利用深度学习技术实现喉下癌肿瘤在MRI上的自动分割和放射组学特征提取 | 研究对象为222名喉下癌患者，其中178名用于训练，44名用于测试 | 计算机视觉 | 喉下癌 | MRI | CNN | 图像 | 222名喉下癌患者 | NA | NA | NA | NA |
| 164 | 2024-08-27 |
Early Diagnosis: End-to-End CNN-LSTM Models for Mass Spectrometry Data Classification
2023-09-12, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.3c00613
PMID:37624777
|
研究论文 | 本文提出了一种结合卷积神经网络（CNN）和长短期记忆网络（LSTM）的端到端深度学习方法，用于质谱数据分类，以实现早期癌症诊断 | 该方法能够直接处理原始质谱数据，避免了复杂的前处理和特征选择步骤，同时能够有效降低数据的高维度并捕捉时间模式 | NA | 提高诊断过程中早期癌症检测的准确性 | 肿瘤组织和正常组织的早期鉴别 | 机器学习 | NA | LC-MS | CNN-LSTM | 质谱数据 | NA | NA | NA | NA | NA |
| 165 | 2024-08-24 |
Novel tools for early diagnosis and precision treatment based on artificial intelligence
2023-Sep, Chinese medical journal pulmonary and critical care medicine
DOI:10.1016/j.pccm.2023.05.001
PMID:39171128
|
研究论文 | 本文探讨了基于人工智能的新工具在肺癌早期诊断和精准治疗中的应用 | 文章介绍了人工智能技术在肺癌诊断和治疗中的创新应用，包括机器学习和深度学习在肺结节检测、良恶性分类和亚型识别中的应用，以及非侵入性预测遗传突变和分子状态的能力 | 文章指出，人工智能在临床广泛应用中仍面临数据共享、标准化标签获取、临床应用监管和多模态整合等挑战 | 旨在提高肺癌的早期诊断和个性化治疗方案，从而改善患者的5年生存率 | 肺癌的早期诊断和精准治疗 | 机器学习 | 肺癌 | 人工智能 | 机器学习和深度学习 | CT图像和病理图像 | NA | NA | NA | NA | NA |
| 166 | 2024-08-22 |
Biometric Contrastive Learning for Data-Efficient Deep Learning from Electrocardiographic Images
2023-Sep-14, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.09.13.23295494
PMID:37745527
|
研究论文 | 本文介绍了一种名为生物特征对比学习（BCL）的自监督预训练方法，用于从心电图（ECG）图像中进行数据高效的深度学习，以检测心脏疾病。 | BCL方法通过利用来自同一患者的不同ECG图像的生物特征签名，提高了AI模型在有限标记数据下检测心脏疾病的效率。 | NA | 开发一种数据高效的深度学习方法，用于从心电图图像中检测心脏疾病。 | 心电图图像，用于检测心房颤动（AF）、性别和LVEF<40%。 | 机器学习 | 心血管疾病 | 生物特征对比学习（BCL） | 卷积神经网络（CNN） | 图像 | 78,288个个体的心电图图像 | NA | NA | NA | NA |
| 167 | 2024-08-19 |
Three-Dimensional Structural Phenotype of the Optic Nerve Head as a Function of Glaucoma Severity
2023-09-01, JAMA ophthalmology
IF:7.8Q1
DOI:10.1001/jamaophthalmol.2023.3315
PMID:37589980
|
研究论文 | 本研究详细描述和分析了青光眼严重程度作为函数的3维结构表型，增强了对青光眼复杂病理的理解 | 使用传统和人工智能驱动的方法，描述了不同青光眼阶段视神经头（ONH）中连接组织和神经组织的3维结构差异 | 本研究为横断面研究，未来需要进行纵向研究以建立特定的3维ONH结构变化与快速视野恶化的联系 | 描述不同青光眼阶段视神经头（ONH）中连接组织和神经组织的3维结构差异 | 视神经头（ONH）的3维结构 | 数字病理学 | 青光眼 | 光谱域光学相干断层扫描 | 深度神经网络 | 图像 | 541名中国个体和112名白人参与者 | NA | NA | NA | NA |
| 168 | 2024-08-09 |
Automated Segmentation of Optical Coherence Tomography Images of the Human Tympanic Membrane Using Deep Learning
2023-Sep, Algorithms
IF:1.8Q2
DOI:10.3390/a16090445
PMID:39104565
|
研究论文 | 本文利用深度学习算法自动分割人耳鼓膜的光学相干断层扫描（OCT）图像 | 开发了一种基于卷积神经网络的深度学习算法，能够准确识别并分割耳鼓膜，提高图像可视化效果 | 未提及具体限制 | 改进数据分析和图像处理，使OCT医学影像成为耳鼻喉科领域便捷且可行的诊断工具 | 人耳鼓膜的OCT图像 | 计算机视觉 | NA | 光学相干断层扫描（OCT） | 卷积神经网络（CNN） | 图像 | 3D体积的人耳鼓膜图像 | NA | NA | NA | NA |
| 169 | 2024-08-05 |
Generative Adversarial Network (GAN) for Simulating Electroencephalography
2023-09, Brain topography
IF:2.3Q3
DOI:10.1007/s10548-023-00986-5
PMID:37410276
|
研究论文 | 本研究探讨了生成对抗网络在模拟脑电图方面的应用 | 本研究首次利用生成对抗网络生成多通道脑电图数据，能够重建脑电图信号的时空特性 | 数据生成依赖于网络训练的质量，可能对某些特征的再现存在限制 | 研究生成对抗网络在脑电图模拟中的有效性 | 生成高质量的合成脑电图数据以供神经成像分析使用 | 机器学习 | NA | 生成对抗网络 | GAN | 脑电图数据 | NA | NA | NA | NA | NA |
| 170 | 2024-08-05 |
Clinical Validation of Explainable Deep Learning Model for Predicting the Mortality of In-Hospital Cardiac Arrest Using Diagnosis Codes of Electronic Health Records
2023-Sep, Reviews in cardiovascular medicine
IF:1.9Q3
DOI:10.31083/j.rcm2409265
PMID:39076399
|
研究论文 | 本研究评估了D-SHAP模型在使用电子健康记录的诊断代码预测医院内心脏骤停患者死亡率的表现 | 引入了可解释的深度学习模型，能够准确识别与高死亡风险相关的诊断代码 | D-SHAP与临床判断之间存在一些不一致，特别是在较少发生的疾病中 | 评估深度学习模型在预测医院内心脏骤停患者死亡概率方面的表现 | 分析168,693名至少有一次医院内心脏骤停的患者及其1,569,478份临床记录 | 机器学习 | 心脏病 | 深度学习 | D-SHAP | 临床记录 | 402名患者 | NA | NA | NA | NA |
| 171 | 2024-08-05 |
A comprehensive assessment of hurdle and zero-inflated models for single cell RNA-sequencing analysis
2023-09-20, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbad272
PMID:37507115
|
研究论文 | 本文开发了一个基于Python的包（TensorZINB），用于解决零膨胀负二项式（ZINB）模型，并系统评估了多种单细胞RNA测序分析模型的表现 | 提出了一种混合模型类，结合嵌套模型以提升性能，并开发了新的方法将连续分布转换为等价的离散形式 | 没有提及具体的现实应用场景和额外的生物学验证实验 | 全面评估单细胞RNA测序分析中不同比例模型的性能 | 针对单细胞RNA测序数据集开发和优化统计模型 | 数字病理学 | NA | RNA-seq | 零膨胀负二项式（ZINB） | 基因表达数据 | 使用了一个真实的单细胞RNA-seq数据集进行评估 | NA | NA | NA | NA |
| 172 | 2024-08-05 |
Real-time guidance by deep learning of experienced operators to improve the standardization of echocardiographic acquisitions
2023-Sep, European heart journal. Imaging methods and practice
DOI:10.1093/ehjimp/qyad040
PMID:39045079
|
研究论文 | 本文研究实时深度学习指导的经验丰富的超声技师改善心脏超声采集标准化的效果 | 通过实时深度学习指导超声技师，提高心脏超声采集的标准化程度 | 本文未评估由经验较少的操作员使用深度学习指导的影响 | 旨在改善心脏超声的标准化，以减少操作员之间的变异性 | 88名心律正常的患者，进行心脏超声检查 | 医学影像学 | 心血管疾病 | 深度学习 | NA | 超声波影像 | 88名患者 | NA | NA | NA | NA |
| 173 | 2024-08-07 |
Deep learning-based computed tomography quantification of left ventricular mass
2023-Sep, European heart journal. Imaging methods and practice
DOI:10.1093/ehjimp/qyad043
PMID:39045069
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 174 | 2024-08-05 |
The use of deep learning in medical imaging to improve spine care: A scoping review of current literature and clinical applications
2023-Sep, North American Spine Society journal
DOI:10.1016/j.xnsj.2023.100236
PMID:37599816
|
综述 | 本文评估了深度学习在脊柱影像学中的当前文献和临床应用 | 提供了深度学习在脊柱护理中的最新应用情况和研究发现 | 未能全面覆盖所有相关研究，且只有15%的模型经过外部验证 | 探讨深度学习在脊柱影像学中的使用情况和有效性 | 评估脊柱影像学中深度学习算法的应用和临床效果 | 医学影像 | 脊柱疾病 | 深度学习 | U-Net和ResNet | 文献数据 | 365项研究，总样本量232,394名患者 | NA | NA | NA | NA |
| 175 | 2024-08-05 |
Self-supervised deep learning for highly efficient spatial immunophenotyping
2023-Sep, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2023.104769
PMID:37672979
|
研究论文 | 该文章提出了一种自监督学习方法，用于高效的细胞免疫表型识别。 | 文章提出的SANDI模型通过自监督学习显著降低了标注负担，同时维持了细胞表型识别的准确性。 | 研究的样本数量和标注参考集的规模可能限制了模型的泛化能力。 | 本研究旨在开发一种高效的细胞免疫表型识别方法，以支持标志物的发现和临床转化。 | 研究对象是多重免疫组化数据集中的单细胞图像。 | 数字病理学 | 卵巢癌 | 多重免疫组化 | 自监督学习模型 (SANDI) | 图像 | 涉及2825到15,258个单细胞图像 | NA | NA | NA | NA |
| 176 | 2024-08-05 |
Disentangling accelerated cognitive decline from the normal aging process and unraveling its genetic components: A neuroimaging-based deep learning approach
2023-Sep-08, Research square
DOI:10.21203/rs.3.rs-3328861/v1
PMID:37720047
|
研究论文 | 该文章介绍了一种基于深度学习的方法，用于区分正常衰老过程中的认知下降与阿尔茨海默病相关的加速认知下降 | 提出了一种新的双损失Siamese ResNet网络，能够提取细粒度神经影像信息，并识别新的遗传变异rs144614292 | 研究样本主要来源于ADNI，对其他人群的适用性需要进一步验证 | 探讨加速认知下降与自然衰老过程之间的关系及其遗传基础 | 针对1,313名个体的纵向结构磁共振成像（MRI）数据进行分析 | 数字病理学 | 老年痴呆症 | MRI | Siamese ResNet | 影像数据 | 1,313名个体，训练于414名认知正常的人群 | NA | NA | NA | NA |
| 177 | 2024-08-05 |
3D Biological/Biomedical Image Registration with enhanced Feature Extraction and Outlier Detection
2023-Sep, ACM-BCB ... ... : the ... ACM Conference on Bioinformatics, Computational Biology and Biomedicine. ACM Conference on Bioinformatics, Computational Biology and Biomedicine
DOI:10.1145/3584371.3612965
PMID:39006863
|
研究论文 | 本文提出了一种用于三维生物医学图像配准的新方法 | 结合了传统和深度学习技术用于特征提取，并采用自适应最大似然估计样本一致性方法进行异常值检测 | NA | 提高三维图像配准的精度和效率 | 3D显微镜图像和医学图像 | 计算机视觉 | NA | SIFT, ResNet50 | 深度神经网络 | 图像 | 使用3D MRI和3D多重显微图像的序列切片 | NA | NA | NA | NA |
| 178 | 2024-08-05 |
Deep learning classification of ex vivo human colon tissues using spectroscopic OCT
2023-Sep-06, bioRxiv : the preprint server for biology
DOI:10.1101/2023.09.04.555974
PMID:37732221
|
研究论文 | 本文提出了一种基于光谱光学相干断层扫描的方法用于分类异体人类结肠组织。 | 创新性地结合了深度学习架构与光谱OCT技术，提升了结肠组织分类的准确性。 | 研究仅限于结肠上皮组织，不一定适用于其他组织类型。 | 提高结直肠癌筛查的效率和效果。 | 分析经过活检的结肠上皮组织样本。 | 数字病理学 | 结肠癌 | 光谱光学相干断层扫描（OCT） | 深度学习架构，LSTM，KNN | 组织样本 | 活检的结肠上皮组织样本 | NA | NA | NA | NA |
| 179 | 2024-08-05 |
Functional Outcome Prediction in Acute Ischemic Stroke Using a Fused Imaging and Clinical Deep Learning Model
2023-09, Stroke
IF:7.8Q1
DOI:10.1161/STROKEAHA.123.044072
PMID:37485663
|
研究论文 | 本研究通过融合深度学习模型的扩散加权成像和急性期临床信息，预测急性缺血性中风患者90天的预后。 | 提出了一种新型的融合深度学习模型，可以减少主观性和用户负担，提高急性缺血性中风预后的预测准确性。 | 依赖于特定的成像和临床数据，与其他可能影响结果的变量未进行全面考虑。 | 旨在通过早期急性缺血性中风信息来预测长达90天的临床预后。 | 640名经历急性缺血性中风的患者。 | 数字病理学 | 缺血性中风 | 深度学习 | 融合模型 | 影像和临床数据 | 640名急性缺血性中风患者 | NA | NA | NA | NA |
| 180 | 2024-08-07 |
Regarding "Automated Segmentation of Intracranial Thrombus on NCCT and CTA in Patients with Acute Ischemic Stroke Using a Coarse-to-Fine Deep Learning Model"
2023-09, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A7972
PMID:37591774
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |